人体内不同白细胞的数值水平是疾病判断的重要依据之一。在白细胞计数中, 准确分割白细胞是后续分类计数的重要前提步骤, 决定了后续分类计数的准确与否。对于使用各种不同染色方法所得的血液涂片图像, 都可以通过颜色校准, 分别调整RGB图像的R、G、B分量, 改变图像的色彩信息, 接着通过图像HSI颜色空间中的H分量, 结合Otsu自动阈值法和面积阈值法对图像进行分割、处理, 最终准确定位、分割提取出整个白细胞, 用于后续的分类计数。实验结果表明, 该方法分割准确度高、实用性强、操作简单并且效率高。

海上升压站自动巡检系统是一种面向海上升压站全站的智能巡检机器人系统，主要完成对海上升压站中电缆、设备、仪表等装置的自动化巡检任务。设备的运行状态往往通过指示灯的颜色判断，这是自动巡检的一项关键任务。由于指示灯的半透明特性，其在不均匀光照下存在反光问题，使得颜色和亮度信息及其非均匀特性的混合，造成了指示灯图像的“数据不敏感特征”。传统的RGB颜色空间的均匀性较差，使得只依靠RGB颜色空间对指示灯颜色检测存在较大误检。相对于RGB空间，HSI空间能够非常直观的表达色彩的明暗、色调以及鲜明程度，方便进行颜色之间的对比。因此，文中提出将指示灯图像从传统的RGB颜色空间转换到HSI空间，通过提取H分量计算直方图相似度的指示灯颜色检测方法。实验结果表明，该方法大大提高了指示灯颜色检测精度，尤其在不均匀光照下有较强的抗干扰能力。

为了提高低照度图像的清晰度和避免颜色失真,提出了基于注意力机制和卷积神经网络(CNN)的低照度图像增强算法,以改善图像质量。首先根据Retinex模型合成训练数据,将原始图像从RGB (red-green-blue)颜色空间变换到HSI (hue-saturation-intensity)颜色空间,然后结合注意力机制和CNN构建A-Unet模型以增强亮度分量,最后将图像从HSI颜色空间变换到RGB颜色空间,得到增强图像。实验结果表明,所提算法可以有效改善图像质量,提高图像的清晰度,避免颜色失真,在合成低照度图像和真实低照度图像的实验中均能取得较好的效果,主观和客观评价指标均优于对比算法。

针对航空发动机叶片的高精度和高效率测量需求,提出一种基于HSI(Hue、Saturation、Intensity)色彩模型的快速三维测量方法。首先分析HSI模型并设计结构光三维测量系统,使用基于LUT(Look Up Table)的色彩校正方法对色彩串扰进行校正,之后对色相与深度的映射关系进行标定。在此基础上,提出仅用一幅彩色图样获取包裹色相。在非连续表面上使用彩色编码色条图像实现条纹级次的识别,进而完成色相解包裹,并通过仿真模拟验证所提方法的可行性。最后对航空发动机高压压气机转子叶片进行三维测量,并将所提方法与常用的包裹相位获取方法和解包裹方法的计算效率进行对比。实验结果表明,所提方法满足航空发动机叶片的测量要求并可以提高测量效率。

为了提高低照度遥感图像的可视性, 提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先, 把原始图像变换到HSI色彩空间, 有效分离H、S、I分量; 然后, 然后在保持色调分量H不变的前提下, 对亮度分量I利用改进的多尺度Retinex算法进行处理, 对整幅图像进行亮度和对比度的初步调整, 通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失; 为了使局部细节信息得到更好的改善, 在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强, 提高图像局部对比度; 对饱和度分量S采用分段线性增强的方法进行处理; 最后, 将处理后的图像变换回到RGB空间。实验结果表明: 图像信息熵由5.79提高至6.65; 图像感兴趣区域的局部对比度由0.695提高至0.701, 图像质量以及利用价值得到了提升。

立体匹配是计算机视觉领域研究的重点,大部分立体匹配方法都是将图像当作数字信息进行数学计算,缺少与实际人眼视觉特征的联系。结合人眼的同心圆拮抗式感受野以及符合人眼特性的HSI色彩空间模型对原自适应支持权重(ASW)算法的权重计算进行了改进,并通过左右一致性校验和中值滤波方法进行视差优化。在VS2010平台对几组国际标准图像进行测试,结果表明,相比原始ASW算法,该方法在低纹理区域、深度不连续区域的匹配精度都有所提高,根据测试图像的不同,提高程度在10%至20%不等,总体匹配精度和近年主流局部匹配方法相当。

针对传统的雾霭图像增强算法效果差,存在晕圈伪影的现象,提出一种基于分数阶微分和多尺度Retinex联合的雾霭图像增强算法。首先将原始图像用分数阶微分算法进行处理,以保留图像低频信息,将处理后的图像由RGB颜色空间转换到HSI颜色空间;然后,用引导滤波器代替多尺度Retinex算法中的高斯滤波器,以提取亮度分量和反射分量,同时以这2个分量之和作为新的亮度层,对饱和层使用伽马校正功能进行增强;最后,将HSI图像再转换为RGB图像。采用客观评价方法对算法的有效性进行评估,结果表明,所提算法去除图像雾霭的效率高,且去雾后的图像没有晕圈伪影。

针对智能视频监控中运动阴影影响目标跟踪和识别准确性的问题, 提出了一种基于颜色和梯度直方图反投影的阴影检测算法。以视觉背景提取模型检测得到的运动目标区域为基础, 首先在HSI颜色空间利用亮度和色度信息筛选出阴影像素, 然后通过梯度直方图反投影的方法区分运动目标和阴影, 最后将上述两种方法的检测结果进行合理融合得到最终的阴影检测区域。与典型算法的对比实验结果表明, 所提算法有效提高了阴影检测的准确性和鲁棒性, 适用于运动目标的实时检测和识别。

花生中蛋白质含量与分布能够显著影响花生制品品质。 利用高光谱图像结合化学计量学研究可视化花生中蛋白质含量分布的可行性。 从校正后的花生图像的感兴趣区域（region of interest, ROI）中提取光谱信息, 通过传统化学方法测定蛋白质含量。 比对了不同光谱预处理和回归算法, 以二阶导数（the second derivative, 2nd-der）为最佳的光谱预处理方法, 偏最小二乘法（partial least squares, PLS）为最佳的回归算法。 基于预处理后的光谱和花生蛋白质的化学值, 建立全波长PLS模型, 全波长模型具有良好的性能（校正集相关系数为0.91, 校正集标准偏差0.86; 预测集相关系数为0.86, 预测集标准偏差为0.69）。 利用回归系数法（regression coefficient, RC）从全波长模型中选择14个特征波长, 建立2nd-der-RC-PLS特征波长模型, 模型性能（校正集相关系数为0.86, 校正集标准偏差1.03; 预测集相关系数为0.80, 预测集标准偏差为0.77）与全波长模型相当。 采用2nd-der-RC-PLS算法将花生高光谱图像转变成蛋白质含量分布图。 成对t检验判断凯氏定氮法与高光谱法无显著性差异。 结果表明结合化学计量学的高光谱成像技术为测定花生中蛋白质含量分布提供了一种高效非破坏性方法。

在光谱建模过程中, 采用不同的变量筛选算法进行光谱特征波段的提取已成为提高模型效果的重要方法。 以真空包装的冷却羊肉细菌菌落总数作为研究指标, 比较了两种变量筛选算法对其高光谱偏最小二乘(partial least squares, PLS)模型效果的影响。 研究提取了样品肌肉感兴趣区域(ROIs)的羊肉光谱并进行预处理, 进而采用遗传算法(genetic algorithm, GA)和竞争性自适应重加权法(competitive adaptive reweighted sampling, CARS)分别对预处理后的473～1 000 nm范围光谱进行特征波段的提取, 对比分析了不同波段下羊肉细菌菌落总数的GA-PLS, CARS-PLS和全波段PLS(W-PLS)模型效果。 结果表明, GA-PLS和CARS-PLS的模型效果均优于W-PLS, 且CARS-PLS模型效果最好, 其校正集的决定系数(R2c)和均方根误差(root mean square error, RMSEC)分别为0.96和0.29, 交互验证的决定系数(R2cv)和均方根误差(root mean square errorof cross validation, RMSECV)分别为0.92和0.46, 预测集的决定系数(R2p)和均方根误差(root mean square error of prediction, RMSEP)分别为0.92和0.47, 预测相对分析误差(relative prediction deviation, RPD)为3.58。 因此利用高光谱图像技术结合CARS-PLS可以实现羊肉细菌菌落总数快速无损准确检测。